Funciones Concavas y Convexas

Matematicas Empresariales
Tema 3: Optimizacion sin restricciones. Convexidad

Leccion 3.2: Extremos absolutos en programas sin
restricciones
Philippe Bechouche
Departamento de Matematica Aplicada
Universidad de Granada
[email protected]
Doble Grado en Administracion y Direccion de Empresas y Derecho
Curso 2012-2013
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 1 / 25
1
Objetivos
2
Conjuntos convexos
3
Funciones convexas y concavas
4
Extremos absolutos de funciones convexas y concavas
5
Que hemos aprendido hoy?
Objetivos
Objetivos de esta leccion
1
Saber reconocer los conjuntos convexos.
2
Determinar cuando una funcion de varias variables es convexa o
concava.
3
Determinar cuando una funcion convexa o concava tiene mnimos o
maximos absolutos.
Conjuntos convexos
Conjuntos convexos
Denicion
Un conjunto A de R
n
se dice convexo si para todo x, y de A se tiene que
x + (1 )y A, [0, 1]
Interpretacion: Los puntos x + (1 )y cuando recorre el intervalo
[0, 1] forman el segmento que une x con y. Por tanto estamos diciendo que
A es convexo si para todo par de puntos de A, el segmento que los une
esta incluido en A
Conjuntos convexos
Conjuntos convexos
Conjunto convexo Conjunto no convexo
Conjuntos convexos
Conjuntos convexos
Ejemplo:
En R
2
(y tambien en R
n
) cualquier producto de intervalos (por ejemplo
[2, 3) (1, 2]) es convexo.
Ejemplo:
Las bolas abiertas o cerradas son convexas.
Ejemplo:
Los semiplanos abiertos o cerrados son convexos.
Ejemplo:
El conjunto {(x, y) R
2
: 1 x
2
+ y
2
4} no es convexo.
Conjuntos convexos
Conjuntos convexos
Ejemplo:
El conjunto {(x, y) : y x
2
} es convexo
4 2 2 4
2
1
1
2
3
4
5
Su interior es convexo?
Es {(x, y) : y x
2
} convexo?
Conjuntos convexos
Conjuntos convexos
Ejemplo:
El conjunto {(x, y) : y = x
2
} no es convexo
4 2 2 4
2
1
1
2
3
4
5
Conjuntos convexos
Conjuntos convexos
Propiedad
La interseccion de conjuntos convexos es convexa
Aplicacion: Podemos usar este resultado para garantizar que el conjunto
{x, y) R
2
: x + y < 3, 2x 5y > 2, x
2
+ y
2
< 91}
es convexo.
Funciones convexas y c oncavas
Funciones de varias variables convexas y concavas
Denicion
Una funcion f : D R
n
R siendo D convexo se dice convexa si
f (x
0
+ (1 )x
1
) f (x
0
) + (1 )f (x
1
) , x
0
, x
1
D
Convexa: f evaluada en el segmento que une x
0
con x
1
es segmento
que une f (x
0
) con f (x
1
)
Denicion
Una funcion f : D R
n
R siendo D convexo se dice concava si
f (x
0
+ (1 )x
1
) f (x
0
) + (1 )f (x
1
) , x
0
, x
1
D
Concava: f evaluada en el segmento que une x
0
con x
1
es segmento
que une f (x
0
) con f (x
1
)
Ejemplo visual de funcion convexa
Ejemplo visual de funcion concava
Sea una funcion de varias variables f : D R
n
R siendo D un abierto
convexo. Entonces
f es convexa en D Hessf (x) es semidenida positiva o denida
positiva x D.
f es concava en D Hessf (x) es semidenida negativa o denida
negativa x D.
Ejemplo 1
f : R
2
R, f (x, y) = x
2
+ y
2
2xy
Hf (x, y) =
2 2
2 2
D
1
= 2 > 0
D
2
= 0
La matriz Hessiana es semidenida positiva en todo R
2
.
Por tanto f (x, y) es convexa en todo R
2
.
2 0 2
2
0
2
0
10
20
30
Ejemplo 2
f : R
2
R, f (x, y) = x
4
+ y
2
Hf (x, y) =
12x
2
0
0 2
D
1
= 12x
2
0
D
2
= 24x
2
0
Si x = 0, la matriz es denida positiva en todo R
2
.
Si x = 0, la matriz es semidenida positiva. (Comprobarlo).
Por tanto, la funcion es convexa en todo R
2
.
2
1
0
1
2
2
1
0
1
2
0
5
10
15
20
Ejemplo 3
f : R
2
R, f (x, y) = x
4
+ y
2
4xy
Hf (x, y) =
12x
2
4
4 2
D
1
= 12x
2
0
D
2
= 24x
2
16
El signo de D
2
depende de x. Luego la matriz no es semidenida positiva
ni negativa en todo R
2
. Por tanto, la funcion no es ni convexa ni concava
en todo R
2
. Puede ser convexa o concava en algunos subconjuntos de R
2
.
2
1
0
1
2
2
1
0
1
2
0
5
10
15
20
Ejemplo 4
f : (0, ) (0, ) R, f (x, y) = ln(x) + ln(y)
Hf (x, y) =
1
x
2
0
0
1
y
2
D
1
=
1
x
2
< 0
D
2
=
1
x
2
y
2
> 0
Luego la matriz es denida negativa en todo el dominio (0, ) (0, ).
Por tanto, la funcion es concava en todo el dominio (0, ) (0, ).
0
1
2
3
0
1
2
3
4
2
0
2
Mnimos absolutos de funciones convexas
Sea D un conjunto abierto y convexo y f una funcion convexa
f : D R
n
R denida en D.
Entonces se verica alguna de las tres posibilidades siguientes:
f no tiene puntos crticos f no tiene extremos en D.
f tiene un unico punto crtico en D f tiene un unico mnimo
absoluto en ese punto crtico.
f tiene innitos puntos crticos en D todos ellos son mnimos
absolutos de f .
Maximos absolutos de funciones concavas
Sea D un conjunto abierto y convexo y f una funcion concava
f : D R
n
R denida en D.
Entonces se verica alguna de las tres posibilidades siguientes:
f no tiene puntos crticos f no tiene extremos en D.
f tiene un unico punto crtico en D f tiene un unico maximo
absoluto en ese punto crtico.
f tiene innitos puntos crticos en D todos ellos son maximos
absolutos de f .
Ejemplo 1
f : R
2
R, f (x, y) = x
4
+ x
2
+ y
2
+ 2xy
Hf (x, y) =
12x
2
+ 2 2
2 2
D
1
= 12x
2
+ 2 > 0
D
2
= 24x
2
0
La matriz Hessiana es denida o semidenida positiva en R
2
, luego la
funcion es convexa en R
2
.
Busquemos los puntos crticos:
f
x
(x, y) = 4x
3
+ 2x + 2y = 0,
f
y
(x, y) = 2y + 2x = 0
La unica solucion del sistema es x = 0, y = 0. Por lo tanto, esta funcion
tiene un unico punto crtico en (0, 0).
La funcion es convexa, por tanto (0, 0) es un mnimo absoluto de la
funcion f .
Ejemplo 2
f : (0, ) (0, ) R, f (x, y) = ln(x) + ln(y)
Hf (x, y) =
1
x
2
0
0
1
y
2
D
1
=
1
x
2
< 0
D
2
=
1
x
2
y
2
> 0
La matriz Hessiana es denida negativa en (0, ) (0, ), luego la
funcion es concava en (0, ) (0, ).
Busquemos los puntos crticos:
f
x
(x, y) =
1
x
= 0,
f
y
(x, y) =
1
y
= 0
Este sistema no tiene solucion. Por lo tanto, esta funcion no tiene ning un
punto crtico.
La funcion es concava, por tanto no tiene ning un extremo absoluto.
Que hemos aprendido hoy?
Resumiendo
Hemos aprendido lo que es un conjunto convexo.
Hemos aprendido que la concavidad o convexidad de una funcion
viene determinada por la matriz hessiana:
denida o semidenida positiva convexa.
denida o semidenida negativa concava.
Hemos aprendido que las funciones convexas y concavas solo tienen
ning un, uno o innitos puntos crticos.
Hemos aprendido que:
funcion convexa (concava)
+
dominio convexo
los mnimos (maximos) relativos

son de hecho absolutos.

Funciones Concavas y Convexas

Cargado por

Copyright:

Formatos disponibles

Funciones Concavas y Convexas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Funciones Concavas y Convexas

Cargado por

Copyright:

Formatos disponibles

Matematicas Empresariales

Tema 3: Optimizacion sin restricciones. Convexidad

los mnimos (maximos) relativos

También podría gustarte